الذاكرة العصبية
تشير الذاكرة العصبية إلى الآليات الموجودة داخل الشبكات العصبية الاصطناعية التي تسمح لها بتخزين واسترجاع واستخدام المعلومات على مدى فترات طويلة. على عكس نوافذ السياق العابرة لنماذج اللغة الكبيرة (LLMs) القياسية، تهدف الذاكرة العصبية إلى توفير قواعد معرفية دائمة ومتطورة تؤثر على المخرجات واتخاذ القرارات المستقبلية.
لكي تتجاوز أنظمة الذكاء الاصطناعي التفاعلات البسيطة القائمة على الاستجابة للمطالبات، فإنها تحتاج إلى ذاكرة. تتيح الذاكرة العصبية استمرارية السياق عبر الجلسات، مما يسمح لوكيل الذكاء الاصطناعي "بتذكر" تفضيلات المستخدم والتفاعلات السابقة والمعرفة المتخصصة المعقدة. يحول هذا التحول الذكاء الاصطناعي من أداة عديمة الحالة إلى شريك مطلع وذو حالة.
تختلف الآليات، لكنها تتضمن عمومًا تعزيز بنية المحول (transformer) الأساسية. يمكن أن يشمل ذلك وحدات ذاكرة خارجية (مثل قواعد بيانات المتجهات أو الرسوم البيانية المعرفية) يتم الوصول إليها وتحديثها ديناميكيًا بواسطة الشبكة العصبية. ويُعد التوليد المعزز بالاسترجاع (RAG) تطبيقًا بارزًا، حيث يتم جلب أجزاء البيانات ذات الصلة من مخزن الذاكرة قبل أن يقوم نموذج اللغة الكبير بتوليد استجابة.
تشمل الفوائد الأساسية تحسينًا كبيرًا في التماسك في المحادثات الطويلة، وتقليل الحاجة إلى إعادة تغذية السياق بشكل متكرر، وقدرة الذكاء الاصطناعي على إظهار التعلم التراكمي - أي أن يصبح أكثر ذكاءً مع كل تفاعل.
يمثل تطبيق الذاكرة العصبية الفعالة تحديات في زمن الاستجابة (سرعة الاسترجاع)، وقابلية التوسع (إدارة مخازن الذاكرة الضخمة)، وضمان سلامة البيانات (منع تلف الذاكرة أو تحيزها). تُعد خوارزميات الفهرسة والاسترجاع الفعالة أمرًا بالغ الأهمية.
يتداخل هذا المفهوم مع قواعد بيانات المتجهات، والتوليد المعزز بالاسترجاع (RAG)، وإدارة الحالة في سير عمل الوكلاء (Agentic workflows).
